Eșecuri pe categorii AI BENCHY
Combinat: Răspuns greșit
Combinat
Răspuns greșit
Vezi ce modele AI au cele mai mari șanse să întâmpine Răspuns greșit la Combinat, ca să găsești mai repede punctele slabe.
Motive de eșec
| Rang | Model | Companie | Număr de Răspuns greșit | Scor de categorie | Teste corecte | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|
| #5 | Gemini 3 Flash Preview low | 1 | 3.0 | 0/1 | 3.27s | |
| #12 | Gemini 3 PRO Preview medium | 1 | 3.0 | 0/1 | 10.4s | |
| #21 | Gemini 3 Flash Preview none | 1 | 4.7 | 0/1 | 3.56s | |
| #22 | Gemini 3.1 Flash Lite Preview low | 1 | 3.0 | 0/1 | 11.9s | |
| #23 | MiMo-V2-Pro medium | Xiaomi | 1 | 4.7 | 0/1 | 64.7s |
| #29 | Gemini 3.1 Flash Lite Preview none | 1 | 3.0 | 0/1 | 3.20s | |
| #49 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 3.0 | 0/1 | 6.65s |
| #53 | GLM 5 none | Z.ai | 1 | 3.0 | 0/1 | 4.98s |
| #55 | MiMo-V2-Omni none | Xiaomi | 1 | 3.0 | 0/1 | 2.47s |
| #58 | GLM 5V Turbo none | Z.ai | 1 | 3.0 | 0/1 | 6.51s |
| #59 | Qwen3.5-Flash none | Qwen | 1 | 3.0 | 0/1 | 6.22s |
| #60 | Gemma 4 26B A4B none | 1 | 3.0 | 0/1 | 30.5s | |
| #61 | Seed-2.0-Lite none | Bytedance Seed | 1 | 3.0 | 0/1 | 6.59s |
| #62 | Gemini 2.5 Flash none | 1 | 3.0 | 0/1 | 4.39s | |
| #63 | Qwen3.5-35B-A3B none | Qwen | 1 | 3.0 | 0/1 | 47.4s |